#155: Warum nicht das Modell, sondern der Prozess über Effizienz entscheidet

Buchhaltung ist genau dann spannend, wenn sie plötzlich leise wird: weniger Nachfragen, weniger Hin und Her, weniger Chaos rund um Belege. Wir sprechen mit Matthias Zwingli, Gründer von TreuFlow, darüber, warum künstliche Intelligenz in der Treuhand nicht als „neues Tool“ gewinnt, sondern als unsichtbare Verstärkung bestehender Systeme. Statt alles zu ersetzen, dockt TreuFlow an Abacus, Bexio, Topal und andere Buchhaltungssoftware an und automatisiert die Arbeit dort, wo sie wirklich anfällt.

Gemeinsam zerlegen wir den Weg vom Beleg bis zum Buchungssatz: Quittung fotografieren, Daten auslesen, Plausibilitätschecks, saubere Übergabe, verknüpfte Dokumente und am Ende die Basis für Mehrwertsteuerabrechnung und Jahresabschluss. Dabei wird klar: Die Magie ist selten „das beste Modell“, sondern ein durchdachter Workflow. Wir sprechen auch offen über den typischen KI-Flickenteppich aus ChatGPT-Uploads, Excel-Exporten und Importproblemen und warum das als Test taugt, aber nicht als skalierbarer Prozess.

Zum Schluss geht es um die Zukunft der Treuhandbranche: Welche Standardprozesse lassen sich mit KI automatisieren, warum der Mensch im Loop bleibt und weshalb man bei sensiblen Themen wie Steuern und Prüfungen lieber einen Treuhand-Experten als einen Chatbot an der Seite hat. Wenn dich KI in Buchhaltung, Treuhand, Prozessautomatisierung, Datenschutz Schweiz und praktische Integrationen per API interessieren, bekommst du hier konkrete Einblicke und klare Leitplanken. Abonniere den Podcast, teile die Folge mit jemandem aus Finance oder Treuhand und hinterlasse uns eine Bewertung: Welche Buchhaltungsaufgabe würdest du als Erstes automatisieren?

Transcript

Begrüßung Und Podcast-Partner

SPEAKER_01 0:14

Herzlich willkommen zur nächsten Folge von Sophie's Next AI Talk. Bevor wir heute über ein vielleicht für den einen oder anderen trockenes Thema klingt, nämlich Buchhaltung und Treuhändler sprechen. Ich kann gleich sagen, es wird trotzdem spannend, möchte ich kurz was zum Podcast sagen. Und zwar wird dieser Podcast von Solonext und CMM360 unterstützt. Und ich bedanke mich sehr herzlich bei diesen Partnern. Und nun starten wir mit Matthias Zwingli. Und zwar bekomme ich vor so drei, vier Wochen so eine kalterquise-E-Mail, die irgendwie jeden Tag fünf oder zehnmal bei mir

Eine Kaltakquise, Die Neugierig Macht

SPEAKER_01 0:55

im E-Mail-Postfach landet. Aber diesmal habe ich gedacht, Moment mal, irgendwie klingt die besser als alle anderen. Ich glaube, ich lese sie mal weiter, ich lese sie zu Ende. Und somit ist mir aufgefallen, dass die Lösung von Matthias Zwingli, TrueFlow, doch recht interessante KI-Features hat und vielleicht auch so ihre Berechtigung, würde ich mal vorschlagen. Tro Matthias, vielen Dank, dass du diese E-Mail geschickt hast. Vielen Dank, dass du heute hier bist. And vielleicht kannst du mal ganz kurz sagen, wer du eigentlich bist, was du denn so machst. Und dann gehen wir auch darauf ein, was KI mit den Treuhändlern und ihren Kunden macht.

SPEAKER_00 1:34

Ganz herzlichen Dank, Sophie. Freut mich super hier zu sein. Und ja, kurz zu mir. Ich beschäftige mich jetzt schon länger mit KI, generativer KI. Wir sind wirklich, wie soll man sagen, seit Anfangszeiten von ChatGPT gestartet und uns ein bisschen weiterentwickelt. Und irgendwann sind wir da jetzt in diesem bisschen trockenen Thema, wie du sagst, gelandet, Buchhaltung. Aber KI funktioniert da ziemlich gut, aber da können wir nachher noch mehr dazu erzählen. Und zu mir, ich wohne in Zürich, habe die letzten zehn Plus Jahre im Schweizer Startup-Innovationsökosystem gearbeitet mit unterschiedlichen Hüten, sei es im Corporate, sei es Investor oder dann im Support System. Also ich kenne es ziemlich gut und jetzt super happy mit Troisler, das Ganze neu aufzusetzen und die Buchhaltung zu revolutionieren.

SPEAKER_01 2:27

Was ich bei TrueFur vor allen Dingen interessant finde, ist, dass ihr nicht einfach sagt, hey, wir sind das nächste Buchhaltungstool mit KI, sondern ihr integriert eure KI eigentlich in die bestehenden Buchhaltungstools. So

KI Als Aufsatz Auf Bestehende Tools

SPEAKER_01 2:39

kurz am Rande, ich habe dir das auch schon gesagt, das, was ihr anmietet, habe ich für mich selber mal im Hintergrund ausprobiert mit Zapir und eigenen Anbindungen an Buchhaltungssysteme. Hat auch relativ gut funktioniert. Entspricht natürlich am Ende des Tages nicht ganz dem Schweizer Datenschutz, wenn ich da Zapir zum Schnittstellenbauen nutze. Technisch hätte es funktioniert. Wie seid ihr auf eure Lösung gekommen? Oder vielleicht kannst du auch ganz kurz sagen, was eigentlich eure Lösung ist und dann natürlich, wie ihr da hingekommen seid.

SPEAKER_00 3:10

Ganz sicher. Also ganz kurz erklärt und ich erkläre nachher, was die Überlegung dahinter ist. Wir doppeln dann die bestinnen Infrastruktur an. Also in der Schweiz hat man viel Abacus, Begsio, Topal, noch ein paar weitere Buchhaltungssoftware beim Treuhänder selbst im Einsatz anders. Und was wir eigentlich dann bauen, is the KI-componente. That he's systems that for 30 years entered, the best KI automatisieren. And what is entspann. It is very traditional, plus minus. We have a Kunden, died gerade auf die Cloud gewechselt sind, so ein bisschen ein Verständnis, wo die Digitalisierung liegt oder wie man damit umgeht. Aber es ist ein Geschäft, was sehr viel Sicherheit mitbringen soll. And I think that's why it's fair, when you have this super cool AI-Lösung, swap alles, was dug from heute to morrow. I think that braucht management. But im Grunde ist es sehr ähnlich, was wir bauen. It is genau das. Wir bauen diese Automatisierungen mit ein paar anderen Knifen. Aber ja, das ist genau das, was wirklich gut funktioniert und was wir aufsehen, macht enorm viel Sinn.

SPEAKER_01 4:50

Ich finde das eben eigentlich sehr spannend, dass ihr sagt, okay, es ist eine eher traditionelle Branche. Wie du schon gerade gesagt hast, Cloud ist bei vielen noch ein Fremdwort. Und dann machen wir einfach was, was sie sozusagen direkt bei sich nutzen können und wir versuchen ihnen nicht das nächste System zu verkaufen. Was genau macht ihr jetzt, beziehungsweise wie habt ihr das geschafft, diese KI sozusagen auf die bestehenden Systeme zu stöpen?

SPEAKER_00 5:17

Das sind klassische APIs, also REST APIs, mit denen wir umgehen oder mit denen wir hantieren. Und was wir eigentlich dann machen, wir haben diese Schnittstellen an die bestehenden Systems. And

Belegfluss Vom Foto Bis Buchungssatz

SPEAKER_00 5:29

vielleicht ein bisschen hyper einfach dargestellt. The Mitarbeiter has a handy, gets with his kid, and has the classical quitting. Wandered then direct to his toy hand expert, who saw the quitting, can not start when he will, also direct chat to an endkun or some chance when it works, and the KI passed and lies all in the hintergrid. We have to use, it is less. And so we have all of these information, and the freeways, we must process so that the show or they can Schweizer word, but these processes automatically. And deshalb one derived pain points, die we angeben, ist einfach, dass wir diesen End-to-end-Prozess sauber machen, dass es dann auch stimmt, was beim Treuhand-Experten reinkommt und schlussendlich auf beiden Seiten enorm viel Zeit und Convenience generiert wird. Oder dass es eigentlich nicht fünfmal hin und zurück geht, oder dass man nicht mehr weiss, dass man telefoniert, per E-Mail oder WhatsApp-Geschichte hat, sondern es ist alles in einem Kanal. Und die KI arbeitet stark im Hintergrund. Also das sind nicht die besten Top-Modelle, die wir da im Einsatz haben, das sind einfach so genannte Workflows, das sehe ich das mehr. Das sind super Lean, gut promptete LLMs, die dann die Sachen einfach auslesen und einfüllen und die Checkups im Hintergrund machen. Aber so ist die Basic entweder durchgedacht. Ganz kurz, ich rede ein bisschen viel, aber ganz kurz, sobald der Torial-Experter das Garment bestätigt hat auf das zweite Quittung und es geht auf die Spesen, dann pusht den ganzen Buchungssatz ins Topal oder ins Avates ins Bekio. Und da wird dann die eigentliche Endbuchhaltung gemacht. Also da hat er dann eigentlich alles abgelegt, mit dem Beleg verknüpft und macht dann die Mehrwertsteuerabrechnung oder einen Jahresabschluss fertig.

SPEAKER_01 8:03

Das heißt, jetzt hast du selber schon so ein bisschen angesprochen. By euch is das besondere eigentlich gar nicht unbedingt die KI, weil we gesagt, das können wir jetzt mittlerweile alles so ein bisschen, sondern eigentlich mal

Vom KI-Flickenteppich Zur Datenbasis

SPEAKER_01 8:15

eher the use cases and the processes fordenken better machen as they actually and then with the KI einfach nur noch upbilden.

SPEAKER_00 8:26

Yeah, ich will sagen.

SPEAKER_01 8:31

Yeah, natürlich.

SPEAKER_00 8:34

I've been by you and it's a bit so entstanden. We aren't two years very intensive with File Experten. And the first product that we have in mind was Trojan GPT, that we for one of the people in the Swiss, Troyan Swiss, and this was really more so that in the Schwed wasted and an open source model worked. This was the first product. And what we said it was not the root cause, but the problems. It is mostly an answer that you here have an eight problem. He said, Hey, I must have an audit, I took a thousand beliefs. The beliefs have leider like names like SBB, the 25st and irgendwas, but it is a random number. And then ticked all these beliefs and the rich data to find. And that was a lot of time. And the hacks then, or simple, let's in a rag draw and such, machine searchable or machine AI-Suche draus, but it löst eighteen the hauptproblem. And the problem is feel that warum kommt der Beleg so unnummeriert and so unstrukturiert überhaupt an. And this is this, was wir dann eigentlich gebaut haben. Wir gesagt haben, wir haben zu viel neues oder zu viele unschöne Daten, wo wir arbeiten. Also sollten wir wirklich eigentlich die ganze Pipeline und den ganzen Flow kontrollieren können. Und das ist eigentlich dann, weil Toyflow zum Entstehen kam. Das war so eigentlich die Grundüberlegung dahinter.

SPEAKER_01 10:19

Das finde ich eigentlich ein interessantes Beispiel, weil ich glaube, das merkt man selber, das ist dann immer so ein eigener Flickenteppich. Also, weil du sprichst jetzt gerade vom Rack, vielleicht für die Nutzer, die sich nicht ganz sicher sind, was das jetzt ist. Das bedeutet eigentlich, wir können das in ein System hochladen und dann wird das indexiert und ich kann dazu Fragen stellen. Ich hätte jetzt also auch, wenn ich es mit dem Datenschutz nicht so genau nehme, einfach selber manuell alle 500 Rechnungen bei Chat-GPT hochladen können und sagen können, finde mir diese und jene Rechnungen. Hätte vielleicht funktioniert. Aber wie du gerade gesagt hast, ist ja irgendwie wieder nur ein Zwischenschritt, weil danach folgt ja dann der nächste Schritt. Dann sage ich, ja, jetzt mach mir daraus eine Excel. Und dann will ich diese Excel vielleicht in mein Buchhaltungssystem importieren und merke, die Zeilen stimmen nicht überein. Dann nehme ich das nächste Tool, vielleicht Claude, der manchmal besser mit Excel umgehen kann und sagt ihm, passt die Zeilen an. Und dann habe ich so eine Kombination von KI, Sophie und Flicken. Und es landet nicht wirklich, ja, es wird nicht dauerhaft effizient. Habe ich das richtig verstanden?

SPEAKER_00 11:23

Prozent, das ist eine gute, ich glaube, das ist die beste Erklärung, wie man es so selbst mal baut und macht. Und auch bei uns stark. Und was wir dann aber gemerkt haben, wenn es gut, wenn es wirklich sauber und es skalierend haben willst, dann musst du eigentlich alles größer denken. Unser Herzstück ist wie eine riesige SQL-Database, also wirklich einfach eine große Datenbank, wo wir dann alles wieder rein spielen. Und die KI analysiert, also den riesigen Excel, oder? Spielst du in dieses riesige Excel und da leben dann eigentlich die Daten und da arbeiten wir mit denen. Und das Coole dabei, das ist so ein bisschen, warum man den Kreis wieder schließt, glaube ich. Was dann halt super spannend ist, wenn das mal selber in diesem riesigen Excel abgelegt is, dann kannst du auch wieder KI super spannend einsetzen. Du kannst wieder fragen, hey, was war my great post in 2025? And it's this reasonable, and cleared it on this and gives it better. And I think this is what I super spanned in the top. When the ground, then function these tools really super. And this combination of KI and ReasonExcel is, in my mouth, while KIs are better, also LLMs are good, we like some reason. But when you have normal scripts on a CPU, it's not genau and sicher, when we zone arbeited.

SPEAKER_01 13:18

Was ist da so deine Idee?

SPEAKER_00 13:21

Super spannende Frage. Wir sind auch gespannt. Also ich glaube, die Treuhand-Branche ist im Moment ein bisschen ein Wandel, was für uns super spannend

Zukunft Der Treuhandbranche Mit Mensch Im Loop

SPEAKER_00 13:30

ist. And I think that's the school. I think it would easily be the first thing. I think there are two complete expertise, but when we have telcos and the customer service, I think there is super good in this level one automation. And the complex are most not by mentioning. And I think in the bookhalting will be easy. We have a Pilates Studio as a Kunde, as a M-Kund, which we better, yeah, and they have so many, man. They have so many clusters, all these are stripe, and they create so many Buchanan. And when then a drive-expert jede Buchung durchschauen muss oder kontrollieren muss, ist das relativ viel Zeit, das keinen Sinn macht. And the Prozess ist standardisiert, oder das können wir relativ schnell abgleichen. Und wenn keine Fehler entstehen, passt das auch. Also ich glaube, das ist so ein bisschen die Zukunft. Man hat diese Standardprozesse, dieses Volumen, die viel Arbeit generieren, für das ist Kai super. Aber der Experte, das wäre auch unser Ansatz, ich glaube nicht, dass der Treuhand-Experte in den nächsten Jahren verschwindet. Ich glaube, es braucht mehr denn je. Denn kein ist super. Aber wenn das Steueramt anklopft, dann glaube ich, willst du lieber dein Treuhand-Experten im Hintergrund als Claude. Und Galaxy, vielleicht verändert sich das noch ein bisschen. Aber das ist so unser Ansatz und deshalb glaube ich auch unsere Idee, dass wir sehr stark für die Branche entwickeln. Und dass wir auch sehr stark wissen, hey, es ist ein Risiko und es ist eine sensitive Branche. Also es muss etwas sein, das auch diesen Menschen im Loop hat und auch der Mensch eigentlich entscheidet. Ich glaube nicht, dass der KI alles vollautomatisiert machen sollte.

SPEAKER_01 15:49

Finde ich sehr wichtige Sätze, gerade dieses, der Mensch entscheidet, noch den Menschen dabei zu halten. Ich finde das auch einen guten Ansatz, dass er jetzt nicht einfach sagt, ja, wir sind der Buchhalter von morgen und die Weiterbildung bei uns an der Hochschule zum Thema Buchhalter kannst du dir sparen, sondern das wird es weiterhin brauchen. Jetzt hast du noch immer mal wieder von irgendwelchen Kunden gesprochen. Auf die eine Art redest du vom Buchhalter und auf die andere Art redest du vom Pilatestudio. Wer kann euch denn jetzt nun nutzen, beziehungsweise ihr wollt nicht den Buchhalter ersetzen? Das heißt, mein Buchhalter muss ich weiterhin bezahlen. Kann ich euch trotzdem nutzen? Oder wie funktioniert das?

SPEAKER_00 16:30

Super Frage. Wir sind sehr stark fokussiert auf Treuhandbüros. Der zweite Teil mit KOs und Businesses ist mehr so ein Jahr Early Adapters oder Beta-Testers, die wir da drin nehmen. Also falls ihr einen Google

Für Wen TrueFlow Gedacht Ist

SPEAKER_00 16:42

Case habt, könnt ihr uns gerne auch da schreiben. Aber unser Hauptfokus ist sicher in Treuhandbüros. And im Moment, es wird sich sicher entwickeln. Also wir bauen uns gerade auf beide Seiten. Und beides ist auch wichtig, weil ich glaube, schlussendlich ist es eine Platform with zwei Endkanälen in my Augen. Aber vieles sind ein bisschen von uns entstanden. Wir machen unsere complete Buchhaltung über ToyFlow. And that heis, es funktioniert auch beim GAM und perfekt. Wir bauen es auf beide Kanäle. And warum bauen wir es auf beide Kanäle? Weil schlussendlich soll es zusammenpassen und miteinander verschmelzen in dem Sinne. Das heißt eigentlich, die Daten, die du als Business hochlädst, landen auch beim Treuhand-Experten und umgekehrt. Aber im Moment sicher, long story short, sicher wir sind bei Treuhandfirmen. Wir haben noch limitierte Kapazität. Ich glaube, wir machen noch zehn weitere Büros dieses Jahr, mit denen wir zusammenarbeiten, die wir onboarden. Und bei Primus sind wir offen. Also schreibt uns. Vielleicht müssen wir euch ein bisschen vertrösten, aber da sind wir sicher offen, was ein cooler Case ist, was wir uns drin macht, dann sind wir auch da sehr offen, ja.

SPEAKER_01 17:56

Okay, dann danke für die Inputs. Und ja, jetzt sind wir auch schon so ein bisschen gegen Ende des Podcasts. Erstmal, glaube ich, was wir nochmal gelernt haben, ganz wichtig, es wird den Menschen weiterhin brauchen. Und auch mein Buchhalter muss nicht um seinen Job fürchten.

Wichtigste Learnings Und Gründer-Rat

SPEAKER_01 18:12

Dann, es hilft eben nicht einfach irgendeinen KI-Fleckenteppich langfristig zu machen. Das ist vielleicht auch mal cool, um irgendwas zu testen oder um mal zu gucken, kann die KI wirklich schon die Bilder so gut erkennen? Findet die KI meine Rechnung? Wenn man dann aber merkt, sie kann es, dann geht es vor allen Dingen darum, die Prozesse langfristig gut abzubilden. Matthias, zum Ende haben immer meine Podcast-Interview-Gäste das letzte Wort. Darum würde ich dich jetzt gerne bitten. Was liegt dir zum Abschluss noch auf der Seele? Was möchtest du den Zuhörern unbedingt mitgeben? Von dir als Gründer, von dir als Trollflow-Leiter oder einfach von dir als KI-Experte-Beobachter. Ich bin gespannt.

SPEAKER_00 18:57

Ich habe das schon perfekt zusammengefasst. Nein, also ich glaube, das ist genau das, was wir aussehen. Am Anfang ist es viel ein Testend und ein Lernen und schlussendlich versuchst du das in einem Prozess zu verbauen und zu automatisieren. Und ich glaube, da hat das richtig klasse. Also das sehe ich immer das größte Potenzial. Das war ja wirklich auch der Grund, warum wir eigentlich von einem generalistischen GPT-Modell, die es braucht und die wir weiterhin einsetzen, mehr in die Prozesse, die Automatisierung und die Effekt reingehen. And I think that would be the founders oder entrepreneurs oder futurepreneurs weitergeben. Also probiert and bought. But I think the gross value is when you can from Anfang to Schluss, where you denkstieren and digitalisieren kannst. It must not even shiny tiny first sein. Ich habe das also ein bisschen alles mitgenommen und erwähnt von Anfang an der ChatGPT-Zeiten, wo ich noch ein bisschen herausgefunden und gesucht habe, hey, was macht denn jetzt Sinn oder was kann man wirklich schon bauen, dass echt einen Mehrwert, der Kunden Mehrwert erzeugt. So jetzt, wo ich glaube, die ganze Softwareindustrie sich enorm neu entwickeln wird, weil es einfach so viel schneller geht, neue Tools und neue Lösungen zu bauen. Ja, ich glaube, das wird. Viel mehr habe ich da auch nicht mehr zu sagen. Danke dir, Sophie. Hat super Spaß gemacht.

SPEAKER_01 20:35

Ja, auch vielen Dank dir. Letzter Teaser, dieses Schnell mal was bauen. Natürlich kann man da auch KI nutzen. Ich habe bereits ein paar Podcast-Folgen zum Thema Wipecoding. Könnt ihr euch auf dem Wege sonst auch gerne mal anhören.

Teaser, Dank Und Verabschiedung

SPEAKER_01 20:48

Und ansonsten danke ich allen, die zugehört haben. Ich danke dir natürlich, Matthias. Ich bin gespannt, wo eure Reise hingeht. Vielleicht hören wir uns in ein paar Monaten mal wieder. Und ich danke natürlich meinen Podcast-Partnern CMM360 und Solonex für die Unterstützung. Und freue mich jetzt schon auf die nächste Folge. Bis zum nächsten Mal.